1.一种网络设备控制方法，其特征在于，包括：

采集指定网络设备的与业务应用关联的第一参数；所述指定网络设备包括SDN网络设备和/或NFV网络设备；

将所述指定网络的第一参数输入预先训练的以提高业务应用性能为目标的神经网络，获取所述神经网络反馈的第二参数；

将所述第二参数反馈至所述指定网络设备，用于调整所述指定网络设备的管理设置。

2.如权利要求1所述的方法，其特征在于，

所述指定网络设备包括SDN网络设备时，所述第一参数包括SDN网络应用层参数，所述第二参数包括SDN网络的控制器参数；

所述指定网络设备包括NFV网络设备时，所述第一参数包括NFV网络的虚拟化网络功能层参数，所述第二参数包括NFV网络的管理和编排域参数；

所述指定网络设备包括SDN网络设备和NFV网络设备时，所述第一参数包括SDN网络应用层参数和所述NFV网络的虚拟化网络功能层参数，所述第二参数包括所述SDN网络的控制器参数和所述NFV网络的管理和编排域参数。

3.如权利要求2所述的方法，其特征在于，将所述第二参数反馈至所述指定网络设备之前，还包括：所述指定网络设备包括SDN网络设备时，将所述SDN网络的控制器参数转换为符合SDN控制器的北向协议标准的形式；

所述指定网络设备包括NFV网络设备时，将所述NFV网络的管理和编排域参数转换为符合NFV软件栈标准的形式；

所述指定网络设备包括SDN网络设备和NFV网络设备时，将所述SDN网络的控制器参数转换为符合SDN控制器的北向协议标准的形式，将所述NFV网络的管理和编排域参数转换为符合NFV软件栈标准的形式。

4.如权利要求1所述的方法，其特征在于，训练所述神经网络，包括：根据所述指定网络设备承载的各类业务，确定所述神经网络的输入参数和输出参数；

构建关于所述指定网络设备承载的各类业务的评价函数；

将测试数据输入所述神经网络进行训练，直至所述神经网络的输出参数满足所述评价函数。

5.如权利要求1-4的任一项所述的方法，其特征在于，所述业务应用包括至少两种不同网络传输需求的业务应用；

所述不同网络传输需求的业务应用，包括：

物联网业务、广播电视网业务、车联网业务、无线通信业务、计算机网络业务。

6.一种网络设备控制装置，其特征在于，包括：

数据采集模块，用于采集指定网络设备的与业务应用关联的第一参数；所述指定网络设备包括SDN网络设备和/或NFV网络设备；神经网络模块，用于将所述指定网络的第一参数输入预先训练的以提高业务应用性能为目标的神经网络，获取所述神经网络反馈的第二参数；

反馈控制模块，用于将所述第二参数反馈至所述指定网络设备，用于调整所述指定网络设备的第二参数。

7.如权利要求6所述的装置，其特征在于，

所述指定网络设备包括SDN网络设备时，所述第一参数包括SDN网络应用层参数，所述第二参数包括SDN网络的控制器参数；

所述指定网络设备包括NFV网络设备时，所述第一参数包括NFV网络的虚拟化网络功能层参数，所述第二参数包括NFV网络的管理和编排域参数；

所述指定网络设备包括SDN网络设备和NFV网络设备时，所述第一参数包括SDN网络应用层参数和所述NFV网络的虚拟化网络功能层参数，所述第二参数包括所述SDN网络的控制器参数和所述NFV网络的管理和编排域参数。

8.如权利要求6所述的装置，其特征在于，还包括：

神经网络训练模块，用于将测试数据输入所述神经网络进行训练，直至所述神经网络的输出参数满足预设的评价函数；所述神经网络的输入参数和输出参数预先根据所述指定网络设备承载的各类业务确定；所述评价函数与所述业务的类型关联。

9.一种计算设备，其特征在于，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行如权利要求1-5中的任一项所包括的操作。

10.一种网络系统，其特征在于，包括根据权利要求6-8的任一项所述的网络设备控制装置和所述指定网络设备。